分析查询性能
在此页面上
查询的解释计划结果可能会因 MongoDB 版本而异。
cursor.explain("executionStats")和db.collection.explain("executionStats")方法提供有关查询性能的统计信息。这些统计信息可用于衡量查询是否以及如何使用索引。有关详细信息，请参阅db.collection.explain() 。
MongoDB Compass 提供 “解释计划”标签页，其中显示有关查询性能的统计信息。这些统计信息可用于衡量查询是否以及如何使用索引。
评估查询性能
请考虑包含以下文档的集合 inventory：
{ "_id" : 1, "item" : "f1", type: "food", quantity: 500 } { "_id" : 2, "item" : "f2", type: "food", quantity: 100 } { "_id" : 3, "item" : "p1", type: "paper", quantity: 200 } { "_id" : 4, "item" : "p2", type: "paper", quantity: 150 } { "_id" : 5, "item" : "f3", type: "food", quantity: 300 } { "_id" : 6, "item" : "t1", type: "toys", quantity: 500 } { "_id" : 7, "item" : "a1", type: "apparel", quantity: 250 } { "_id" : 8, "item" : "a2", type: "apparel", quantity: 400 } { "_id" : 9, "item" : "t2", type: "toys", quantity: 50 } { "_id" : 10, "item" : "f4", type: "food", quantity: 75 }
这些文档在 MongoDB Compass 中显示如下：
无索引查询
以下查询检索 quantity 字段的值在 100 和 200（含）之间的文档：
db.inventory.find( { quantity: { $gte: 100, $lte: 200 } } )
该查询返回以下文档：
{ "_id" : 2, "item" : "f2", "type" : "food", "quantity" : 100 } { "_id" : 3, "item" : "p1", "type" : "paper", "quantity" : 200 } { "_id" : 4, "item" : "p2", "type" : "paper", "quantity" : 150 }
要查看选定的查询计划，请将 cursor.explain("executionStats") 游标方法链接到 find 命令的末尾：
db.inventory.find( { quantity: { $gte: 100, $lte: 200 } } ).explain("executionStats")
explain() 返回以下结果：
{ queryPlanner: { ... winningPlan: { queryPlan: { stage: 'COLLSCAN', ... } } }, executionStats: { executionSuccess: true, nReturned: 3, executionTimeMillis: 0, totalKeysExamined: 0, totalDocsExamined: 10, executionStages: { stage: 'COLLSCAN', ... }, ... }, ... }
queryPlanner.winningPlan.queryPlan.stage显示COLLSCAN，表示会进行集合扫描。集合扫描表明
mongod必须对整个集合的文档进行逐份扫描才能识别结果。此项操作通常成本高昂，可能会降低查询速度。executionStats.nReturned显示3，以指示获胜查询计划返回三个文档。executionStats.totalKeysExamined显示0，表示该查询未使用索引。executionStats.totalDocsExamined显示10，以表明 MongoDB 必须扫描 10 个文档（即集合中的所有文档），以查找三个匹配的文档。
以下查询检索 quantity 字段的值在 100 和 200（含）之间的文档：
将以下筛选器复制到 Compass 查询栏中，然后单击 Find ：
{ quantity: { $gte: 100, $lte: 200 } }
该查询返回以下文档：
要查看所选查询计划，请执行以下操作：
单击
test.inventory集合的Explain Plan标签页。单击 Explain（连接）。
MongoDB Compass 显示查询计划，如下所示：
注意
由于在本教程中使用的数据集非常小，因此即使没有使用索引， Actual Query Execution Time也会显示0秒。
在较大的数据集中，索引查询与非索引查询在查询执行时间上的差异会更大。
可视化树
Query Performance Summary显示查询的执行统计信息：
Documents Returned 显示
3表示获胜查询计划返回三个文档。Index Keys Examined 显示
0表示此查询未使用索引。Documents Examined 显示
10表示 MongoDB 必须扫描十个文档（即集合中的所有文档）才能找到三个匹配的文档。
在Query Performance Summary下方，MongoDB Compass 显示
COLLSCAN查询阶段，表示此查询使用了集合扫描。集合扫描表明
mongod必须对整个集合的文档进行逐份扫描才能识别结果。此项操作通常成本高昂，可能会降低查询速度。
原始 JSON
还可以通过单击查询栏下方的Raw JSON以原始 JSON 格式查看解释详细信息：
匹配文档和已检查文档之间的数量差异可能表明，使用索引可能有助于提高查询效率。
带索引的查询
要支持对 quantity 字段的查询，请对 quantity 字段添加索引：
db.inventory.createIndex( { quantity: 1 } )
要查看查询计划的统计信息，请使用 explain() 方法：
db.inventory.find( { quantity: { $gte: 100, $lte: 200 } } ).explain("executionStats")
explain() 方法返回以下结果：
{ queryPlanner: { ... winningPlan: { queryPlan: { stage: 'FETCH', inputStage: { stage: 'IXSCAN', keyPattern: { quantity: 1 }, ... } } }, rejectedPlans: [ ] }, executionStats: { executionSuccess: true, nReturned: 3, executionTimeMillis: 0, totalKeysExamined: 3, totalDocsExamined: 3, executionStages: { ... }, ... }, ... }
queryPlanner.winningPlan.queryPlan.inputStage.stage显示IXSCAN，表示使用索引。executionStats.nReturned显示3，以指示获胜查询计划返回三个文档。executionStats.totalKeysExamined显示3，以表明 MongoDB 扫描了三个索引条目。检查的密钥数量与返回的文档数量相匹配，这意味着mongod只需检查索引键即可返回结果。mongod不必扫描所有文档，只需将三个匹配的文档拉取到内存中。这会大幅提升查询效率。executionStats.totalDocsExamined显示3，以表明 MongoDB 扫描了三个文档。
单击
test.inventory集合的Indexes标签页。单击 Create Index（连接）。
从 Select a field name 下拉列表中选择
quantity。从类型下拉列表中选择
1 (asc)。单击 Create（连接）。
注意
将索引名称字段留空会导致 MongoDB Compass 为索引创建默认名称。
您现在可以在Indexes标签页中看到新创建的索引：
返回到 inventory 集合的 Explain Plan 标签页，然后重新运行上一步中的查询：
{ quantity: { $gte: 100, $lte: 200 } }
MongoDB Compass 显示查询计划，如下所示：
可视化树
Query Performance Summary显示查询的执行统计信息：
在Query Performance Summary下方，MongoDB Compass 显示查询阶段
FETCH和IXSCAN。IXSCAN表示mongod在执行FETCH阶段并检索文档之前使用索引来满足查询。
原始 JSON
还可以通过单击查询栏下方的Raw JSON以原始 JSON 格式查看解释详细信息：
如果没有索引，此查询则会扫描整个 10 文档集合以返回 3 个匹配的文档。此查询还须扫描每个文档的全部，因而可能会将其拉取到内存中。此举会导致查询操作成本高昂且可能缓慢。
使用索引运行时，此查询已扫描 3 个索引条目和 3 个文档以返回 3 个匹配的文档，从而提升查询效率。